摄像机标定角点点阵的多尺度检测和亚像素定位

为改进角点检测算子的检测性能,提出一种最佳尺度估计的方法.该方法结合X角点检测算子和递推方法,可以明显提高棋盘格角点阵列检测的精度和鲁棒性.通过实验验证了该方法的有效性,为基于多幅图像的摄像机定标过程自动化创造了条件,以便于极端环境下的机器视觉应用.     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

亚像素级标定角点提取新算法

在计算机视觉测量中。摄像机的标定精度对保证系统测量精度有着至关重要的作用。而角点的提取精度一直是摄像机标定技术的难点。文中在分析常用角点提取方法的基础上，结合数学形态学算法和边缘形态模板，施行了畸形角点的修正，实现了高位置精度的角点提取。并在分析算法和计算结果的基础上，提出了角点位置突变概念，进行了亚像素级的角点像素坐标修正。标定中的角点经模板校正、数学形态学提取、亚像素修正可达到很高的精度。该算法计算简单、灵活，程序自动化，简化了标定过程。     

摄像机与3D激光测距仪外部标定新方法

针对摄像机与3D激光测距仪外部标定问题,提出一种以镂空的棋盘格为标定模板的新方法.与传统标定方法不同,整个标定过程一次完成数据采集,根据图像和点云数据提取的角点实现外部标定,同时,仅采用同一块标定模板和一次数据采集完成整个标定过程,解决了以往因标定过程繁琐对标定精度带来影响的问题.实验结果表明,该方法简单实用,效果较好.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

基于凸包的棋盘格角点自动识别与定位方法

 采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。     

棋盘格模板角点的自动定位

棋盘格模板角点的定位是摄像机定标过程中的重要环节,定位的正确与否直接关系到定标的成败.提出了一种利用棋盘格模板图像中的消失点和栅格线特征以及局部灰度特征,实现棋盘格模板角点自动定位的方法.结果表明,与手动定位相比,该方法明显地减少了定位过程所用的时间,提高了工作效率,尤其适合于利用多幅棋盘格模板图像对摄像机进行自动化定标.     

基于遗传算法的摄像机标定

为提高摄像机标定的精度, 提出一种基于遗传算法的2D棋盘格摄像机标定方法。 通过对棋盘格图像的参考角点的提取, 计算参考点的图像坐标, 从而求解摄像机的内部参数及相应的外部参数初始估计值。并利用遗传算法对摄像机内参数进行优化, 通过一代代的进化、 选择、 变异, 最终收敛得到最优解。仿真结果表明, 该方法得到的平均投影误差为0.255 9像素, 标准差为0.139 3像素, 可有效地提高标定精度。     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

机械零件图像中直线边缘亚像素定位方法

以计算机视觉在机械零件几何参数检测的实际应用为例，提出了一种使用高斯拉普拉斯(LOG)函数检测斜坡状边缘的像素级位置，在已知目标为直线边缘的情况下，使用最小二乘线性回归把二维的边缘拟合降为一维边缘定位，从而使直线边缘定位达到亚像素级精度的算法．同时还进行了空间矩直线边缘亚像素定位算法与本文所提出算法的对比实验．实验结果表明：在低噪声图像中，两种算法的边缘定位精度均达到满意的结果，且最小二乘线性回归亚像素定位算法速度较快．     

棋盘格图像角点坐标亚像素提取方法

针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.     

数字摄影测量系统中非量测CCD相机标定算法

为了解决传统的相机标定方法,通常需要建立复杂三维标定块或高精度三维控制场这一实际问题,采用平面控制格网作为标定块,利用二维直接线性变换分解出相机的内外方位元素初值,然后采用改进的Hough变换算法检测标定图像中的格网直线并利用最小二乘法拟合出最佳直线,通过求直线的交点得到标定格网点的像坐标。最后利用自检校光线束法平差进行相机的精确标定。实际图像数据实验结果表明：主点和焦距的标定精度分别达到了0．2和0．3像素左右。可以满足高精度近景三维量测的要求。     

亚像素级细分在CCD光靶中的应用研究

由高速线阵CCD相机基于交汇原理组成的弹丸立靶坐标、射击密集度测试系统,其测试精度与弹丸图像的边缘位置密切相关,弹丸穿过大靶面的边缘区域时成像模糊,其灰度值呈连续变化状态,常用的图像边缘检测算子已经不能适应这种情况.对8 m×8 m的靶面,一个像素就会在物方最大引起±10 mm的测试误差.将Sobel边缘检测算子的粗检测定位与三次样条函数差值的细检测相结合,先用sobel算子粗检测,再构建三次样条函数,利用三次样条插值对弹丸图像边缘进行亚像素级细分.实弹射击试验结果证明,这种方法能够将系统的最大测试误差降低到±2.5 mm.     

一种基于投影标靶的手眼相机标定方法

文章研究了一种基于投影标靶的手眼相机线性标定方法.该方法确定了半物理仿真系统中各组成部分之间的位置关系,以保证标定的正确、有效进行;规定了标定用的投影标靶设计原则,以保证标定的精度;改变了传统线性标定算法坐标系的建立方法,以保证由标定结果分解的外参数满足位姿测量的要求.实验结果表明,该方法的标定精度满足位姿测量的要求,是一种可行和有效的标定方法.     

集成测量系统中摄像机的标定方法

针对三坐标测量机(coordinate measure machine,CMM)与计算机视觉集成测量系统中摄像机的标定提出了一种简单、快速的标定方法.该方法把制作精度、定位精度高,运动范围广的CMM测头作为标定物,采用两步法对摄像机进行标定.标定过程中控制测头运动到指定位置,采集测头图像,用图像处理技术实现测头中心亚像素级定位,实现空间点和图像点的对应.标定方法简单,无需制作标定物,避免了标定物制作误差和角点定位误差的影响,可任意增加标定点的个数、指定标定点的位置.     

一种便携式的无人机航测非量测相机标定方法

相机标定是确定相机几何和光学参数的过程,相机经过标定后能更准确地获取二维目标点坐标对应的空间三维信息。针对无人机航空非量测相机便捷、精确的标定需要,采用了一种基于红绿编码板的自检校光束法平差标定方法。该方法通过自动提取和识别编码标志、建立同名点对,利用同名点对进行相对定向测定初始参数,然后考虑相机内参数和镜头畸变等因素,采用严格的自检校光束法平差模型解算出精确的相机参数。通过对NEX5N相机拍摄的45张相片作为实验数据解算该相机内部参数,实验结果表明,由于标定板便于携带,标定场布设简单,该方法对实验场地要求低,并简单易行,且标定的速度快、精度高,基本可以满足无人机非量测相机"随时随地"即时标定的需求。     

基于几何约束的高精度特征点检测和相机标定

针对高精度特征点检测和相机标定问题,提出了一种基于几何约束的角点检测和相机标定方法.该方法首先用传统的方法提取图像中的角点,以此为初值从图像中搜索棋盘格边缘,然后对边缘数据进行拟合,并将拟合得到的三次曲线的交点作为真实的角点,最后以这些角点为特征点进行相机标定.实验结果表明,加入几何约束后能大幅提高特征点提取的准确度,从而显著提高相机标定的精度.     

视觉测量中的一种线性摄像机标定方法

视觉测量中成像模型的求解速度和效率是下,利用预先标定好的图像尺度因子,采用一幅图像对摄像机的外部参数、有效焦距、径向畸变进行标定,标定过程中,每一步均用线性方程组求解.该方法求解过程快速,结果准确,适合视觉测量中对摄像机的不定期标定.     

CCD动态图像跟踪方法及应用

利用CCD图像采集设备,结合计算机图形编程,实现了对动态图像的扫描处理,从而获得跟踪点的运动轨迹图像．通过对CCD成像机理分析,实现了不同布置条件下由图像坐标到实际坐标的转换,并可直接获得跟踪物体的运动速度、加速度及倾斜角度等基本数据结果．该方法大大减轻了试验图像分析的工作难度及工作量。为深水网箱等动态物体的运动分析提供了高效手段．